[发明专利]一种农田与机耕道边界线提取方法及系统

权利要求书

1.一种农田与机耕道边界线提取方法，其特征在于，包括：

获取无人机拍摄的农田图像并制作分割数据集；

搭建语义分割模型；所述语义分割模型包括convnext特征提取网络、改进的空洞空间卷积池化金字塔、注意力机制模块、卷积层、上采样层和特征连接层；

基于分割数据集对语义分割模型进行训练和验证，得到训练好的语义分割模型；

采用训练好的语义分割模型对待提取农田图像中的农田与机耕道边界线进行识别，得到预测图像；

对预测图像进行边缘检测和霍夫变换，提取出预测图像中的农田与机耕道边界线并生成边界线图层。

2.根据权利要求1所述的农田与机耕道边界线提取方法，其特征在于，所述获取无人机拍摄的农田图像并制作分割数据集，具体包括：

获取无人机拍摄的多幅农田图像，经拼接得到农场全局图像；

将农场全局图像分割为多个512×512像素大小的图像块，并对图像块中的农田边界和机耕道边界进行像素级标注，生成多个标签图像；

将多个标签图像随机划分成训练集和验证集，并对训练集进行数据增强处理，增强处理后的训练集与验证集共同构成分割数据集。

3.根据权利要求2所述的农田与机耕道边界线提取方法，其特征在于，所述基于分割数据集对语义分割模型进行训练和验证，得到训练好的语义分割模型，具体包括：

采用混合损失函数并利用增强处理后的训练集对语义分割模型进行训练，利用验证集对训练过程中的语义分割模型进行验证，计算其像素准确率和平均交并比，待像素准确率和平均交并比趋于稳定时终止训练，得到训练好的语义分割模型。

4.根据权利要求3所述的农田与机耕道边界线提取方法，其特征在于，所述对预测图像进行边缘检测和霍夫变换，提取出预测图像中的农田与机耕道边界线，具体包括：

对预测图像进行灰度处理，得到灰度图像；

利用canny算子对灰度图像进行边缘检测，得到边缘图像；

通过霍夫变换对边缘图像中不同形态特征的农田边界线和机耕道边界线进行提取，提取出农田与机耕道边界线。

5.根据权利要求4所述的农田与机耕道边界线提取方法，其特征在于，所述提取出预测图像中的农田与机耕道边界线之后，还包括：

对提取效果不佳或产生误判的农田与机耕道边界线进行修正，并将修正图像以512×512像素大小进行保存，构建修正图像样本；

将修正图像样本加入分割数据集中。

6.一种农田与机耕道边界线提取系统，其特征在于，包括：

分割数据集制作模块，用于获取无人机拍摄的农田图像并制作分割数据集；

语义分割模型搭建模块，用于搭建语义分割模型；所述语义分割模型包括convnext特征提取网络、改进的空洞空间卷积池化金字塔、注意力机制模块、卷积层、上采样层和特征连接层；

模型训练及验证模块，用于基于分割数据集对语义分割模型进行训练和验证，得到训练好的语义分割模型；

边界线识别模块，用于采用训练好的语义分割模型对待提取农田图像中的农田与机耕道边界线进行识别，得到预测图像；

边界线提取模块，用于对预测图像进行边缘检测和霍夫变换，提取出预测图像中的农田与机耕道边界线并生成边界线图层。

7.根据权利要求6所述的农田与机耕道边界线提取系统，其特征在于，所述分割数据集制作模块，具体包括：

图像拼接单元，用于获取无人机拍摄的多幅农田图像，经拼接得到农场全局图像；

图像分割及标注单元，用于将农场全局图像分割为多个512×512像素大小的图像块，并对图像块中的农田边界和机耕道边界进行像素级标注，生成多个标签图像；

数据集制作单元，用于将多个标签图像随机划分成训练集和验证集，并对训练集进行数据增强处理，增强处理后的训练集与验证集共同构成分割数据集。